随着Internet以及相关技术的发展与成熟,Internet,尤其是WWW逐渐成为人们发布和获取信息的常用平台,从网络上收集信息资源已经成为当今至未来社会人们获取信息的重要手段。然而,面对汪洋大海般的网上信息,一个普通用户使用现有手段是很难招架的。这又包括两种情况:(1)主动送上门的或已经下载的信息难以消化,即所谓的“信息过载”;(2)用户不知道如何确切地表达对于网络资源的需求,也不知道如何更准确、有效地寻找资源,即所谓的“资源迷向”。 本文选择了“新闻选读系统”这一应用领域,构建了一个基于智能Agent和用户模型技术的系统原型。该系统通过观察、记录、分析用户的行为,从而发现用户的兴趣、需求及其变化,并根据这些兴趣建立个性化的用户模型,提供用户所感兴趣的信息内容。从而来帮助用户解决了“信息过载”和“资源迷向”。本文中用“智能Agent”作为用户建模的工具。智能Agent以其自治性、学习能力及通信协作能力确保其能很好地完成这个任务。 此系统由用户界面Agent、搜索Agent、数据分析处理Agent、用户模型Agent四大模块组成。用户界面Agent负责完成与用户的交互,接受用户的指令以及将处理结果提交给用户;搜索Agent方便用户查找所需的内容;数据分析处理Agent其主要任务是新闻管理、分类、学习、推理和决策等;用户模型Agent负责对用户建模、维护及更新用户模型。对这四个Agent,本文将其设计成混合主体的结构,在Windows系统中采用多线程的机制来实现它们。由于四个Agent各司其职但又需要合作完成任务,所以在系统中设计了一个Agent消息处理器,作为Agent通信的平台。四个Agent之间不直接发生联系,而消息处理器则掌握了各个Agent的信息,它维护着一个消息映射表,知道谁能处理什么样的消息。四个Agent以及消息处理器,联合起来构成了一个多Agent系统的架构。 本文对经典聚类算法作了综合分析,在此基础上做出了算法改进,提出了用户兴趣自动聚类的一种基于图像的方法。